پیش بینی شاخص خشکسالی spi بااستفاده ازدو مدل شبکه های عصبی و شبکه های عصبی موجکی مطالعه موردی ایستگاه سینوپتیک یزد

خشکسالی یکی ازپدیده های طبیعی است که تاثیرات آن برمنابع اب به شدت تاثیر گذار میباشد جهت ارزیابی کمی و کیفی این پدیده شاخصهای متفاوتی ارایه شدها ست پیش بینی شاخصهای ارایه شده میتوانددرراستای مدیریت مقابله با آن کارساز باشد امروزه مدلهای متفاوتی جهت پیش بینی خشکسالی ارایه شده است دراین تحقیق جهت پیش بینی خشکسالی ایستگاه سینوپتیک یزدازشاخص بارش استاندارد دردوسناریو استفاده گردیده است درسناریوی اول جهت ارزیابی شاخص بارش استاندارد ازمدل شبکه های عصبی پرسپترون و درسناریوی دوم با استفاده ازتئوری تبدیل موجک مدل تلفیقی شامل ترکیب شبکه های پرسپترون و تئوری موجک ارایه گردید نتایج نشان داد انالیز موجک با پردازش برروی داده های ورودی مدل و شکستن مولفه ورودی به مولفه های جزئی عملکردمدل شبکه عصبی را بهبود بخشیده بطوریکه دراین تحقیق نتایج حاص لازمدل تلفیقی شبکه های عصبی موجکی نسبت به شبکه های عصبی پرسپترون کارایی بالاتری را نشان داده است

کلیدواژه ها:

خشکسالی ، شاخص بارش استاندارد ، آنالیز موجک ، شبکه عصبی پرسپترون ، مدل تلفیقی عصبی - موجکی